文献

J-GLOBAL ID：202202229920633580   整理番号：22A0577285

マルチアクセスエッジコンピューティングにおける計算オフローディングの最適化:深層強化学習方式【JST・京大機械翻訳】

Optimization for computational offloading in multi-access edge computing: A deep reinforcement learning scheme

著者 (8件)： Wang Jian (College of Computer Science and Technology, Jilin University, Changchun 130012, China) ,  Wang Jian (Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun 130012, China) ,  Ke Hongchang (College of Computer Science and Technology, Jilin University, Changchun 130012, China) ,  Ke Hongchang (School of Computer Technology and Engineering, Changchun Institute of Technology, Changchun, 130012, China) ,  Ke Hongchang (Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun 130012, China) ,  Liu Xuejie (College of Computer Science and Technology, Jilin University, Changchun 130012, China) ,  Liu Xuejie (Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun 130012, China) ,  Wang Hui (College of Computer Science and Engineering, Changchun University of Technology, Changchun, 130012, China)
資料名： Computer Networks  (Computer Networks)
巻： 204  ページ： Null  発行年： 2022年 
JST資料番号： A0360B  ISSN： 1389-1286  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： それらの限られた計算電力と電池レベルのため,無線ユーザ(WU)は,ローカルプロセッサによって計算集約型ワークフローをほとんど取り扱うことができない。基地局に取り付けたマルチアクセスエッジコンピューティング(MEC)サーバは,十分な計算電力と通信資源を持ち,それは,WUの計算タスクまたは作業負荷に取り組むために使用することができる。本研究では,WUにより負荷された作業負荷を処理するために,複数の静的および車両支援MECサーバを有するフレームワークを設計した。伝送および実行コスト,エネルギー消費コストおよび通信帯域幅コストを含む加重和コストを最小化するための最適計算オフロード方式を得るために,Markov決定プロセス(MDP)としてオフロード決定最適化問題をモデル化した。次に,事前知識の欠如に対処するために,強化学習(RL)に基づく部分計算オフローディング方式を提案した。提案した方式は,確率的作業負荷到着,変化チャネル状態,およびWUとエッジサーバの間の動的距離に基づく最適オフロード決定を学ぶことができる。さらに,複雑な状態および行動空間に起因する次元のurseを避けるため,深いニューラルネットワークを用いて最適オフロードポリシーを学習するために,深いRL(DRL)に基づく改良計算オフローディング法を提案した。大規模な数値結果は,RLとDRLに基づく提案アルゴリズムが,事前知識なしで最適計算オフロードポリシーを自律的に学習することができ,その性能が4つのベースラインアルゴリズムのものより良いことを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  電池 ,  最適化問題 ,  電力 ,  ニューラルネットワーク ,  基地局 ,  *計算機網 ,  通信 ,  利用者 ,  演算プロセッサ ,  *強化学習 ,  ワークフロー ,  *負荷分散
準シソーラス用語： 事前知識 ,  *オフローディング ,  *エッジコンピューティング , 【Automatic Indexing@JST】

著者キーワード (4件)： マルチアクセスエッジコンピューティング ,  計算オフローディング ,  Markov決定過程 ,  強化学習

分類 (2件)： 計算機網  (JC03000K) ,  移動通信  (ND08030H)

タイトルに関連する用語 (4件)： 計算 ,  オフローディング ,  最適化 ,  深層強化学習